QUALITÀ DELLE ACQUE REFLUE: L’INTELLIGENZA ARTIFICIALE PUÒ DAVVERO PROTEGGERCI?
Gli impianti di trattamento delle acque reflue vivono e muoiono a causa dei batteri. I batteri “buoni” sono necessari per trattare le acque reflue in modo efficiente e sicuro. I batteri “cattivi” devono essere evitati poiché potrebbero influire sul funzionamento dell’impianto e contaminare l’ambiente se scaricati. Risulta quindi fondamentale garantire la qualità delle acque reflue: l’intelligenza artificiale può davvero proteggerci ed aiutarci in questo?
Al fine di fornire uno strumento affidabile per il monitoraggio online della qualità dei reflui, MIPU ha sviluppato una soluzione integrata in Rebecca AI per la previsione della qualità degli effluenti e il supporto decisionale agli operatori che gestiscono l’impianto di depurazione.
Negli ultimi anni sono stati implementati limiti e normative sempre più stringenti per gli effluenti delle acque reflue. L’obiettivo è ridurre l’impatto negativo sui corpi idrici e sull’ambiente. Se scaricata accidentalmente da un impianto di trattamento, l’acqua contaminata può avere un effetto devastante sulla pesca, sugli habitat della fauna selvatica e sulla nostra salute. Queste le ragioni che richiedono a responsabili dell’impianto e operatori un impegno importante per garantire operazioni di trattamento sicure, efficienti e conformi.
Una sfida non banale considerato che gli attuali metodi di test dei livelli e dei tipi di batteri sono costosi e dispendiosi in termini di risorse e tempo.
SOLUZIONE
Il sistema di trattamento delle acque reflue è un sistema caratterizzato da comportamento non lineare e soggetto a perturbazioni significative nella portata e composizione delle acque in ingresso. La tecnologia più diffusa per il trattamento delle acque reflue è il processo a fanghi attivi (ASP). Il cui diagramma di flusso di questa tecnologia semplificato è mostrato nella figura di seguito.
La prestazione dell’impianto si valuta attraverso la sua capacità di mantenere gli inquinanti – quali ad esempio l’azoto ammoniacale, l’azoto totale e l’effluente solido sospeso – entro i limiti richiesti.
Sebbene gli indici di qualità degli effluenti possano essere misurati direttamente mediante analisi di laboratorio, è inevitabile un ritardo temporale significativo – da pochi minuti a qualche giorno – nell’individuazione degli scostamenti. Pertanto, un modello di previsione online è essenziale per gestire prontamente eventuali difformità. Inoltre, la possibilità di prevedere quale sarà la qualità in uscita rende possibile modulare la presenza di “batteri buoni” nei fanghi per variare la qualità dell’effluente verso un determinato target.
La soluzione proposta ha dunque un duplice scopo: la prima intelligenza mira a prevedere la quantità esatta di azoto ammoniacale effluente ( SNH ); la seconda mira a supportare gli operatori nella scelta della migliore “ricetta” per l’impianto di depurazione.
Le sfide principali per arrivare alla soluzione sono state:
- – la selezione delle principali variabili di processo
- – la costruzione della struttura di raccolta dei dati
- – la realizzazione del modello di supporto alle decisioni.
INTELLIGENZA PREDITTIVA
Sulla base dell’analisi approfondita dei processi in impianto supportata dell’esperienza di personale esperto, sono state scelte 5 variabili di processo come parametri di input:
Tutti i dati vengono raccolti su base giornaliera e coprono tutte e quattro le stagioni. La frequenza oraria delle misurazioni è considerata sufficiente a causa dei lunghi tempi di permanenza nell’impianto di depurazione.
I dati vengono raccolti dal sistema di supervisione degli impianti e processati nella piattaforma Rebecca di MIPU. La strategia algoritmica più adeguata, creata dai data scientist di MIPU insieme agli esperti di processo, prevede la creazione di una rete neurale ricorsiva. Si tratta di un tool che ha la capacità di modellare un sistema non lineare complesso e prevedere le variazioni di un parametro specifico in funzione delle condizioni e delle altre variabili di input. L’intelligenza creata predice la quantità di azoto ammoniacale effluente con una accuratezza media superiore al 97% .
Una volta prevista la qualità dell’effluente, l’obiettivo è quello di supportare gli operatori nella scelta di quale sia la migliore strategia, sia in termini di regolazione dell’impianto che di ricetta batterica più adeguata per ottenere una determinata qualità dei reflui.
L’obiettivo è raggiunto grazie ad un motore di simulazione in grado di calcolare 10 96 scenari e presentare agli operatori la regolazione migliore, eventualmente tenendo conto di vincoli impostabili anche manualmente.
Anche in questa occasione l’intelligenza artificiale si dimostra estremamente efficace nel supportare gli esseri umani nella sfida verso una vita più sicura e sostenibile.
Scopri altri settori di applicazioni dell’intelligenza artificiale qui oppure contattaci per avere un confronto diretto e approfondire il caso studio.